原文传递
基于轨迹大数据的网约车调度优化
| 论文题名： | 基于轨迹大数据的网约车调度优化 |
| 关键词： | 网约车;调度优化;热点区域划分;多目标遗传算法;神经网络 |
| 摘要： | 近数十年来，我国城市加速发展，产生了巨大的出行需求量，这使得城市客运的压力越来越大。居民的出行需求与供给矛盾严重加重，制约了城市的发展。网约车，又名网络预约出租汽车，是物联网在汽车共享中的应用。自网约车上线以来，不断改变着城市的运输结构以及出行方式，也对服务质量差、价格贵、效率低的传统出租车行业造成了不小的冲击。网约车已经成为城市客运交通的重要组成，并担负了越来越艰巨的城市交通运输任务。传统调度方案的不合理直接造成了驾驶员调度距离过长，以及乘客超时等待取消订单等问题。出行需求是随着时间变化在空间上不断地转移的，有着实时差异。司机行驶到某一区域需要一定的时间，等到达该区域后，热力图已经发生变化，司机就要按照新的热力图改变行驶方向。为探究城市出租车需求在时间上的细微变动，缩短驾驶员等候时间，提升调度效率，需要利用神经网络预测短期未来的热点区域，以解决信息滞后的问题。 在当今网络环境下，数据挖掘和大数据分析飞快发展，这些问题具有天然的使用场合和处理优势。出租车行业中巨大的运营数据，有力地驱动本问题的研究。本文对海口市的海量出租车轨迹数据进行预处理，将网约车订单产生的实际位置进行可视化，并将其构建成载客需求点位置分布时空序列，为了训练神经网络，需要把时空序列重新组合为符合监督学习的数据集格式。经过训练后的神经网络可以预测到海口市短期未来某时间段内网约车载客需求点位置分布散点图，然后使用K-means聚类算法对出租车的载客热点区域进行划分，于是得到了网约车载客热点区域。在这之后，本文建立了空载网约车调度优化模型。为了能较好的完成空载网约车调度方案的制订优化任务，本文使用了NSGA-Ⅱ算法对模型进行求解。利用前期准备好的数据，提取出载客热点区域的坐标与热度，接着从原始数据集中提取网约车位置并进行可视化，然后通过百度地图开放平台获取驾车路线规划服务，根据起终点坐标检索符合条件的驾车路线规划方案，通过调用接口返回网约车到达各热点区域的百度路线规划里程。最后将准备好的数据放入NSGA-Ⅱ程序中对模型进行求解，经过程序的100次迭代后，Pareto解集逐渐趋于稳定，所有解逐渐向同一条曲线上收敛。在最后一代pareto解集中，随机选取的一个可以接受的非劣解，最终得到了海口市某时间段内的网约车调度方案。研究成果对于科学调度网约车以及缓解人们出行难问题具有一定的参考价值。 |
| 作者： | 乔乙桓 |
| 专业： | 交通运输规划与管理 |
| 导师： | 马昌喜 |
| 授予学位： | 硕士 |
| 授予学位单位： | 兰州交通大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
